论维特根斯坦对“奥古斯丁语言图像”的反驳

维特根斯坦在《哲学研究》中系统地对他早期的哲学思想进行了猛烈批判,而"奥古斯丁语言图像"就是这种系统批判工作的起点。"奥古斯丁语言图像"的核心就是"实指定义"。通过在该书的第一部分相关内容的分析,他指出"实指定义"的主要问题在于:"实指定义"忽视了不同语词之间的区别;它并不是关于意义的解释,而是对语词使用的某种训练;命名过程不是神秘的,不能直接赋予语词以意义;"实指定义"的误用会导致某些哲学问题的产生。对此他提出的解决建议:"实指定义"需要以语言游戏的多样性为基础;语词的意义在于其在不同语境中的用法;对语词意义的理解在于某种"综观"的视角。

再论维特根斯坦在《哲学研究》中对“奥古斯丁语言图像”的反驳

奥古斯丁的语言思想有三点:语言是用来交流思想和传递信息;人们是通过"实指定义"来学会语词意义;语言与心灵的关系预设了"言语-思想同构论"。维特根斯坦在《哲学研究》中批判"奥古斯丁语言图像"的主要目的不仅在于批判以奥古斯丁为代表的传统语言观念,同时也批判了他早期在《逻辑哲学论》中的"逻辑图像论"。首先,语词的意义在于其在具体语境中的使用,具体的使用指具体的语言游戏;其次,"实指定义"不是对语词意义的解释而是描述;第三,语词的意义并没有统一标准而只有"家族相似性";最后,通过对"奥斯古斯丁语言图像"的系统反驳,维特根斯坦完成了他从《逻辑哲学论》到《哲学研究》中哲学方法和视角的转变:即从"划界"到"描述";从理想语言到对日常语言的关注。

奥古斯丁与维特根斯坦二人对语言本质的不同理解

奥古斯丁的确描述了一幅交流系统,只不过称为语言的,并不都是这样的交流系统。奥古斯丁没有把“言语”和“语言”区分开来,从而错把“言语”当成“语言”来看待,把语言的一部分当成整体。维特根斯坦认为语言是一个生成过程,无法通过下定义的方法来描述语言的本质是什么。他通过“家族相似”来类比、述说语言是什么。语词的对象,有时是指语词的承担者,有时候是指“含义”。而语词的含义只能在具体的使用中才能确定,也即是说语词的含义需要放到具体的语境中才能确定。

基于语言和视觉融合Transformer的指代图像分割

针对指代图像分割任务中存在语言表达歧义、多模态特征对齐不充分、对图像整体理解不全面等问题,提出一种基于Transformer特征融合与对齐的多模态深度学习模型。该模型使用优化的Darknet53图像特征提取骨干网络,加强了对全局特征理解能力。使用了卷积神经网络结构、双向门控循环单元Bi-GRU结构和自注意力机制相互结合的语言特征提取结构,挖掘深层次语义特征,消除语言表达的歧义性。构建了基于Transformer的特征对齐结构,以提升模型的分割细节和分割精度。最后,采用平均的交并比mIoU和在不同阈值的识别精度作为模型评估指标,通过实验证明所提模型可以充分融合多模态的特征,理解多模态特征的深层语义信息,模型识别结果更加准确。

多模态网络社交中图像符号的社会语言分析

随着信息技术的迅猛发展,多模态网络社交图像符号逐渐成为社会语言研究的一个重要话题。从国内外已有的研究成果来看,网络语言研究多集中在文本语言方面,图像语言研究则大多归属于现代艺术史研究。基于语言学转向理论,在文本语言与图像符号之间建立联系,同时依据韩礼德(Halli⁃day)创立的系统功能语言学理论,对多模态网络社交中的图像符号进行分析、归纳、整理,提出多模态网络社交中图像的社会语言特征,即文本与图像的互文性,视觉图像的简洁性和即时性,图像思维的碎片化、肤浅化,图像的娱乐化、广告化,以期更好地开展网络交际沟通。

论奥古斯丁对伽达默尔语言观的双重启发

奥古斯丁的《论三位一体》对伽达默尔的启发在于为解释学的普遍性奠定了语言的基础。但二者在外在话语上的不同态度妨碍了人们对这个启发的深层理解。通常认为,奥古斯丁用内在话语和思想的同一关系类比圣父与圣子关系仅在象征的意义上启发了伽达默尔,使他洞见到语言与思想的同一性;但是,思想与语言在上帝那里的同一是神秘的,所以并不能为经验中的外在话语与思想的同一关系提供实质性的思想根据。实际上,伽达默尔即使对奥古斯丁有所批评,那也是建立在后者对他的正面启发之上。因此有必要理清从奥古斯丁的内在话语到伽达默尔的外在话语的转化过程,以澄明内在话语作为解释学普遍性之基础是如何可能的。

自然语言处理模型与文本图像生成技术驱动下的包装设计

目的针对传统包装设计耗时过长且面临多次修改迭代的问题,探究自然语言处理模型和文本图像生成技术在包装设计环节中的介入模式和衍生效果,寻求包装设计行业与AIGC技术的协同发展新路径。方法以传统包装设计流程为基础,构建了基于AIGC的包装设计全流程模型,形成可循环动态迭代系统。采用实证研究和设计评估法,从视觉设计、心理属性和社会维度三个维度对两种方案分别进行评估,来验证此模型的可行性和有效性。结果基于包装设计方法要素,运用自然语言处理模型和文本图像生成技术,共同构建了全新的包装设计流程范式,并将其应用于具体的商业实践中,有效缩短了设计周期,为包装的创新表达提供了新的路径。结论在市场竞争日益加剧的情形下,基于AIGC的包装设计模型构建能够在最大程度满足设计目标的同时,高效实现从设计创意到设计落地的转化并进行多次快速的迭代,为商业包装实际应用领域提供了丰富的探索空间。

CLAML:视觉语言模型下铁谱图像的自适应元学习

视觉语言模型由于其出色的泛化性能,近两年在众多领域表现出很好的性能。但在专业领域数据上,如润滑油中的铁谱数据,视觉语言模型的泛化性能遇到挑战。如何在少量数据情况下快速使视觉语言模型适应特定领域,实现铁谱图像的自适应学习,是一个新的挑战。研究提出一种新的视觉语言模型和大语言模型结合的自适应元学习方法。该方法在视觉语言模型基础上,利用大语言模型重新生成文本描述,如对不同类别的铁谱数据,生成涵盖成因、形态、大小和颜色等方面的文本描述,利用多角度的铁谱线索,对视觉语言模型微调,使其更适合铁谱这样的专业数据,在专业领域架构起图像和文本之间的语义桥梁,提升零样本识别能力。并在少量样本情况下,引入自适应元学习方法,实现对铁谱图像的快速自适应,进一步提升性能。实验结果表明自适应元学习方法在铁谱图像磨损类型识别中的有效性。

基于生成式语言模型与扩散模型融合的图像生成研究

生成式语言模型(generative language model,GLM)与扩散模型(diffusion model,DM)是当前人工智能研究的前沿热点,在图像生成领域具有广泛的应用前景。本研究通过探讨GLM与DM的原理,提出了GLM与DM融合的方式,分析了融合应用的优势与局限性,以期提高图像生成效果,并对其未来发展方向进行了讨论。

大语言模型在图像识别与自动报告生成中的应用研究

大语言模型和深度学习技术为图像识别和自动报告生成提供了一种非侵入性、低成本且高效的解决方案。本文系统回顾并比较了各类大语言模型在图像识别与报告生成中的应用,分别从定义与分类、主流模型介绍及基本原理与架构等方面进行了阐述,探讨了其在图像识别与自动报告生成中的具体应用和挑战。研究结果表明,大语言模型在图像识别和报告生成中的表现优异,尤其是在表示学习、上下文信息捕捉和迁移学习方面。然而,实际应用中仍面临数据质量、计算资源需求和模型解释性等挑战。本文提出了未来研究方向,包括优化计算资源使用、提高模型解释性及增强模型泛化能力等。

C语言中的数据结构在图像处理中的应用

数据结构是一种关键的编程工具,可用于处理、分析和修改图像数据。文章将介绍各种数据结构在图像处理中的应用,包括图像的存储、处理和分析。此外,文章还将探讨不同数据结构在性能和效率方面的优缺点,以及它们如何影响图像处理的质量和速度。

国产大语言模型在无线电发射设备图像识别中的应用研究

随着无线电发射设备网上销售的日益普及,设备销售核查工作面临着图片数量庞大、设备种类繁多、违规情况复杂等挑战,传统的依靠人工核查的方式效率低下,难以满足日益增长的监管需求。本研究探讨了国产多模态大型语言模型ChatGLM-4V-9B在无线电发射设备图像识别中的应用潜力。实验结果表明,ChatGLM-4V-9B模型在区分无线电与非无线电发射设备方面展现出较高的准确度,并且模型在执行图像分析任务时表现出较高的效率。本研究验证了ChatGLM-4V-9B模型在无线电发射设备图像识别任务中的有效性和可靠性,为相关领域的研究和应用提供了新的思路和方法。

论电影语言中的平面化图像

作为以图像为主要表现手段的视听艺术,电影在人物表演的记录和客观场景的再现中有着较为逼真、生动的表现。其图像内容包罗万象,穿越古今中外,为观众带来了难辨真假的观影体验。不管是人物形象的塑造,还是情境场景的再现,电影图像与声音、色彩等艺术语言协同表现,共同营造氛围和进行叙事表达,演绎了一个个生动的故事。对于以“造梦”--表现虚拟真实为目标的电影而言,除了写实、再现真实的图像之外,平面化的图像语言还有用武之地吗?

从“语言”到“图像”——主流价值观认同的视觉机制与文化反思

从语言叙事到图像叙事的转向,视觉图像对意义的直观性承载与传播改变了主流价值观认同的主客体经验关系,展开视觉图像的表意样态就成为主流价值观认同的题中之意。主流价值观认同是通过图像对现实世界的视觉表征来完成的,图像符号的能指和所指构成视觉表征的表征轴,图像符号的生产者和观看者构成视觉表征的交流轴,视觉表征的四边形结构指向了主流价值观认同的表意样态。生产者和观看者的视觉素养解决的是主流价值观认同的主体性能力问题,媒介视觉素养为生产者和观看者的主流价值认同提供了体外化技术延展。观看与被观看在视觉表征关系中的权力配置是视觉体制的基本问题,观看与被观看的视觉权力架构成为主流价值观认同的体制性力量。

云南甲马图形的视觉语言分析

甲马是经雕版印刷而成的神祇纸,与民间信仰、民俗生活密切相关。文章对甲马概念进行汇总,对云南甲马的发展情况及制作工艺进行分析和研究,并从视觉语言的角度对云南甲马的构成要素、图像构造特征等进行细致的研究,以期社会大众能对甲马有基本的了解。

基于CLIP和双空间自适应归一化的图像翻译

现有的图像翻译方法大多依赖数据集域标签来完成翻译任务,这种依赖往往限制了它们的应用范围。针对完全无监督图像翻译任务的方法能够解决域标签的限制问题,但是普遍存在源域信息丢失的现象。为了解决上述2个问题,提出一种基于对比学习语言-图像预训练(CLIP)的无监督图像翻译模型。首先,引入CLIP相似性损失对图像的风格特征施加约束,以在不使用数据集域标签的情况下增强模型传递图像风格信息的能力和准确性;其次,对自适应实例归一化(AdaIN)进行改进,设计一个新的双空间自适应归一化(DSAdaIN)模块,在特征的风格化阶段添加网络的学习和自适应交互过程,以加强对内容源域信息的保留;最后,设计一个鉴别器对比损失来平衡对抗网络损失的训练和优化过程。在多个公开数据集上的实验结果表明,与Star GANv2、Style DIS等模型相比,该模型可在准确传递图像风格信息的同时保留一定的源域信息,且在定量评估指标FID分数和KID分数上分别提升了近3.35和0.57×102,实现了较好的图像翻译性能。

艺术媒介的“出位之思”:版印图像语言在当代陶艺创作中的介入

随着工业陶瓷生产中转印技术的运用日趋成熟,结合版印技艺进行艺术陶瓷创作进入陶艺家的视野。最初版印艺术陶瓷的创作依附于工业制版印刷生产的硬件条件,在小范围内有效地进行尝试。至20世纪中叶,越来越多的艺术家逐渐开启了独立陶瓷版印工作室模式,将陶瓷材料作为承印物和印墨,探索材料与技术跨界融合后的高艺术附加值,营造出多元语义内涵的“意象空间”。当代版印艺术的本质已转化为一种具备当代艺术文化共性的间接性媒介艺术,需要创作者具备全新的媒介化思维以驾驭跨媒介的材料语言。陶瓷上的版印技术本身就具有外化的观念性,与陶瓷技艺语言具备深层的同构性。文章在分析版印图像语言从复现性到艺术性审美向度时代跨越的基础上,例举国外当代陶艺家个性化的创新方法,表征版印语言在当代陶艺创作中的介入所展现出的交融与碰撞。艺术家充分发掘陶瓷与版印的“禀赋”,为当代陶艺创作方法和观念表达提供了新思路。推论版印艺术媒介在西方后现代主义思潮影响下,被重新审视并加以转化,试图以“出位之思”对陶瓷的既定审美再次加以讨论。

人工智能自然语言处理在图像设计中的应用方案

自然语言处理是目前人工智能领域的主要研究方向之一。在影视行业的图像设计中,由于专业知识掌握度不同,甲方和乙方之间的无效沟通多次发生。本方案试图结合人工智能自然语言处理与图像处理技术,来解决图像设计工作中的沟通矛盾。该方案基于自编码和多模态数据分析,重点在于将人对图像的感受具象化。

2023生成式AI图像模型年报

自第一幅AI画作在2018年末公开拍卖以来,生成式AI技术通过在设计、艺术领域的广泛应用,逐步进入了人们的视野。2023年是生成式AI井喷式爆发的一年,其中尤以AI绘画为甚。在二维图像生成和后期处理方面,基本实现“一键滤镜”,在平面设计、游戏美术等商业项目的制作场景中AI绘画已是标配。动态影像方面,AI生成视频也已经初步应用在广告短片等商业项目上,在2024年或可期待生成式AI技术正式进入电影工业生产流程。三维方面,通过AI生成三维模型的技术,原型算法经过2023年一整年发展后,在2024年有望如2023年的AI绘画一样逐步进入落地阶段。现如今,AI图像生成模型得到了GPT等多模态模型的加持与助推,AI视觉艺术创作已经进入“根据自然语言描述创建图像艺术”的时期,更加接近人本身的创作状态。本文将对2023全年生成式AI图像模型的发展过程做整理和回顾。

“图像识读”语境下初中美术教学的语言“视觉性”探究

随着新课程改革的不断推进,初中美术课程教学需突出语言视觉性,为学生搭建愉悦欣赏美术的桥梁。“图像识读”语境有助于培养学生的视觉感受能力、视觉审美能力和视觉识读能力,有利于学生深入理解美术作品,发展美术能力。文章基于“图像识读”语境,探讨初中美术教学语言的“视觉性”,旨在培养学生的审美能力与美术能力,提高初中美术教学质量。